Een team van wetenschappers, onder wie Jeonghun Yoon, heeft een gespecialiseerde kunstmatige intelligentie ontwikkeld die is ontworpen om de kloof tussen informele patiëntgesprekken en formele medische verslaglegging te overbruggen. De agent, die de naam PIA (Personal Intelligence Agent) draagt, is specifiek ontwikkeld om medische informatie nauwkeuriger te beheren dan generieke AI-systemen dat kunnen.
Volgens een wetenschappelijke publicatie op arxiv.org kampen standaard AI-modellen vaak met problemen bij het samenvatten van gezondheidsinformatie. Traditionele systemen filteren vaak fragmenten uit gesprekken, waardoor cruciale details zoals exacte medicatiedoseringen verloren gaan of tijdsaanduidingen onjuist worden geïnterpreteerd. Ook het analyseren van trends over een langere periode, zoals schommelingen in glucosewaarden, blijkt lastig wanneer een systeem enkel vertrouwt op tekstuele gelijkenissen.
Om deze tekortkomingen aan te pakken, functioneert PIA als een ondersteunende laag bij een consumentgerichte gezondheidsagent. In plaats van eenvoudige tekstuele samenvattingen te maken, zet de agent natuurlijke taal om in gestructureerde, getypeerde klinische dossiers. Het proces verloopt via een specifiek geheugenmechanisme dat bestaat uit vier kernstappen: het extraheren van relevante data, het opslaan van deze informatie, het gericht ophalen van gegevens en het synthetiseren van het begrip over de gebruiker.
Om de medische relevantie te waarborgen, is de agent uitgerust met diverse pluggable modules. Zo maakt het systeem gebruik van een medisch alias-woordenboek, temporele regels en een kennisgraaf. In de publicatie via wordt toegelicht dat deze architectuur het mogelijk maakt om antwoorden te genereren die variëren van eenvoudige herinneringen tot het in kaart brengen van complexe medische trajecten met causale verbanden.
Uit de praktijkervaringen van de onderzoekers bleek dat de kwaliteit van de output sterk afhankelijk is van de formulering van de vraag. Bovendien werd vastgesteld dat ongeveer een derde van de potentiële causale verbanden in de data bestond uit structurele ruis, wat enkel via strikte regels kon worden gecorrigeerd. Ook werd opgemerkt dat het ontbreken van zelfgerapporteerde gezondheidsgegevens vaak een specifiek patroon volgt in plaats van willekeurig te zijn.
Deze technologische ontwikkeling past in een bredere trend van digitalisering in de zorg. In België is een voorbeeld van dergelijke digitale ontsluiting het portaal belgiube, ook bekend als de Personal Health Viewer. Waar dit platform burgers toegang geeft tot hun bestaande persoonlijke gezondheidsgegevens en algemene zorginformatie via , richt de technologie van PIA zich op het actiever transformeren van informele interacties naar bruikbare klinische data.
Het volledige onderzoek naar de werking en implementatie van de Personal Intelligence Agent is op 25 september 2026 ingediend en is raadpleegbaar in de categorie Computation and Language op .